本發(fā)明涉及金屬冶煉，具體涉及到一種基于差分特征的不同品位鐵礦石高光譜圖像分類方法。

背景技術(shù)：

1、鐵礦石是鋼鐵行業(yè)的核心原材料。由鐵礦石冶煉而得到的鋼鐵產(chǎn)品早已成為在造船業(yè)、機動車輛制造、鐵路建設、橋梁建設、重工業(yè)、機械制造等工業(yè)領域應用的必備材料。因此，鐵礦石被認為是工業(yè)領域的基石，對全球經(jīng)濟非常重要。在鐵礦石的加工過程中，在磨礦等過程前對鐵礦石提前進行分級處理，可以明顯減少磨損廢石帶來的經(jīng)濟損耗，能源消耗等，和粉塵污染以及對廢物利用的促進。傳統(tǒng)的冶金方法由于不能精確評估每塊礦石的鐵含量范圍而很難勝任這個任務。目前，高光譜成像技術(shù)由于對光譜信息(光譜信息已被證明與鐵的含量高度相關)的充分利用，可以精確無損地估算每塊鐵礦石的品位范圍，進而幫助對每塊鐵礦石進行分級處理。因此這種技術(shù)很有潛力真正應用于鐵礦石的分選工業(yè)。總的來說，該技術(shù)的發(fā)展對綠色，可持續(xù)的環(huán)境有明顯的積極作用。

2、對于高光譜成像技術(shù)而言，一個不可忽視的問題是當要對某種物質(zhì)進行光譜分析或識別時，該物質(zhì)表面的水和灰塵，可能會影響物質(zhì)的光譜響應。對于灰塵，有研究指出當材料或巖石表面附著了灰塵時，灰塵可以掩蓋可見光和紅外線中底層材料的光譜特征(johnson?et?al.,2004)。有兩項研究都發(fā)現(xiàn)在750nm-1000nm的波長范圍內(nèi)，有灰塵葉片的光譜反射率明顯高于無灰塵的葉片，根據(jù)這個特性，可以估算葉片表面是否降塵(lin?etal.,2021)。有研究通過對光譜解混后的發(fā)現(xiàn)，具有明顯灰塵聚集的礦區(qū)采樣處的端元和其它地點的端元存在區(qū)別(cleaver?et?al.,2022)。對于水，有研究指出尾礦中的含水情況會導致光譜發(fā)生變化，在1450nm和1900nm處，含水的尾礦有明顯的波谷，而不含水的尾礦則沒有這種明顯的特征(maurais?et?al.,2021)。有研究發(fā)現(xiàn)含水的土壤和不含水的土壤也存在明顯的光譜差異，含水會導致光譜反射率的顯著降低，且在1900nm左右會使得波谷更加明顯(krzyszczak?et?al.,2023)。在釀酒業(yè)和木材工業(yè)中，有研究指出坑泥和木材的光譜會受到含水量的影響(chen?and?li,2020；zhu?et?al.,2020)?？偟膩碚f，水和礦塵對于樣本光譜的影響是確實存在的。

3、鑒于此，亟需提供一種解決目前鐵礦石高光譜圖像分類模型會受到礦塵和水干擾的問題的基于差分特征的不同品位鐵礦石高光譜圖像分類方法。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題之一，提供一種基于差分特征的不同品位鐵礦石高光譜圖像分類方法。

2、為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：基于差分特征的不同品位鐵礦石高光譜圖像分類方法，包括以下步驟：

3、s1、預處理：采集鐵礦石高光譜圖像，并進行預處理；

4、s2、特征提?。韩@取鐵礦石的高光譜波段，并提取平均光譜特征和比例特征；

5、s3、分類：將步驟s2獲得的平均光譜特征和比例特征組合作為隨機森林分類器的輸入特征，對鐵礦石進行多等級分類。

6、進一步的，鐵礦石的高光譜波段包括7個，7個所述高光譜波段的數(shù)據(jù)分別為959，1073，1324，1770，2228，2271和2331nm。

7、進一步的，提取平均光譜特征包括提取高光譜波段的光譜圖像數(shù)據(jù)的平均光譜，然后計算其光譜差分；

8、所述光譜差分的計算包括計算i級差分d1[d1,2,d1,3,…,d1,n-1]：

9、[d1,2,d1,3,…,d1,n-1]＝[b2,b3,…,bn]-[b1,b2,…,bn-1]

10、其中n是所選波段的個數(shù)，[b1,b2,…,bn]代表了從所選的按從小到大排序的第1到第n個波段的反射率；然后再計算ii級差分d2[d2,1,d2,2,…,d2,n-2]：

11、d2＝[d1,2,d1,3,…,d1,n-1]-[d1,1,…,d1,n-2]

12、其中,dp,q代表在p級差分的按順序排列的第q個子特征；

13、最后將d1和d2結(jié)合起來作為差分光譜特征，然后這個特征被作為平均光譜特征。

14、進一步的，提取比例特征包括根據(jù)獲取的高光譜波段的光譜圖像數(shù)據(jù)計算其光譜差分，然后將獲得的光譜差分進行組合，構(gòu)造出差分光譜特征，接著使用支持向量機對其進行分類，獲得該鐵礦石中的像元分布信息，最后計算像元比例，并將計算所得的像元比例整合作為比例特征。

15、進一步的，像元分布信息包括a，b和c三類像元中的任意一種；所述a類像元指“高含鐵量物質(zhì)的像元”，b類像元指“難以判斷是否為高含鐵量物質(zhì)的像元”，c類像元指“非高含鐵量物質(zhì)的像元”。

16、進一步的，計算像元比例，并將計算所得的像元比例整合作為比例特征包括

17、計算a，b和c三類像元分別占這塊礦石的像元的比例：

18、

19、n＝na+nb+nc

20、其中pa，pb和pc分別代表a，b和c類像元的在鐵礦石中所占的比例；na，nb和nc分別代表a，b和c類像元在鐵礦石中的總數(shù)量；n代表鐵礦石中包含的像元總數(shù)；

21、最后將pa，pb和pc整合作為比例特征。

22、進一步的，步驟s3對鐵礦石進行多等級分類包括根據(jù)平均光譜特征和比例特征，利用隨機森林分類器，將鐵礦石分為四個等級：tfe含量＜10％的鐵礦石被標記為ⅳ類，表示tfe含量非常低；10％≤tfe含量＜48％的鐵礦石被標記為ⅲ類，表示較低的tfe含量；48％≤tfe含量＜64％的鐵礦石被標記為ⅱ類，表示較高的tfe含量；tfe含量≥64％的鐵礦石被標記為i類，表示tfe含量很高。

23、與現(xiàn)有技術(shù)相比，本申請的技術(shù)方案具備以下有益效果：

24、本申請通過去處受水干擾嚴重的波段和補充受礦塵影響小的波段作為預測使用的波段集，來構(gòu)建光譜的二級差分作為模型判斷的關鍵特征，結(jié)合隨機森林對鐵礦石進行分類。使用該方法，能夠?qū)崿F(xiàn)在有礦塵、有水附著的條件下對不同品位的鐵礦石合理分類，幫助完成鐵礦石生產(chǎn)過程中的對于每塊鐵礦石的高精度分選。

技術(shù)特征：

1.基于差分特征的不同品位鐵礦石高光譜圖像分類方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于差分特征的不同品位鐵礦石高光譜圖像分類方法，其特征在于：所述鐵礦石的高光譜波段包括7個，7個所述高光譜波段的數(shù)據(jù)分別為959，1073，1324，1770，2228，2271和2331nm。

3.根據(jù)權(quán)利要求1所述的基于差分特征的不同品位鐵礦石高光譜圖像分類方法，其特征在于：所述提取平均光譜特征包括提取高光譜波段的光譜圖像數(shù)據(jù)的平均光譜，然后計算其光譜差分；

4.根據(jù)權(quán)利要求1所述的基于差分特征的不同品位鐵礦石高光譜圖像分類方法，其特征在于：所述提取比例特征包括根據(jù)獲取的高光譜波段的光譜圖像數(shù)據(jù)計算其光譜差分，然后將獲得的光譜差分進行組合，構(gòu)造出差分光譜特征，接著使用支持向量機對其進行分類，獲得該鐵礦石中的像元分布信息，最后計算像元比例，并將計算所得的像元比例整合作為比例特征。

5.根據(jù)權(quán)利要求4所述的基于差分特征的不同品位鐵礦石高光譜圖像分類方法，其特征在于：所述像元分布信息包括a，b和c三類像元中的任意一種；所述a類像元指“高含鐵量物質(zhì)的像元”，b類像元指“難以判斷是否為高含鐵量物質(zhì)的像元”，c類像元指“非高含鐵量物質(zhì)的像元”。

6.根據(jù)權(quán)利要求5所述的基于差分特征的不同品位鐵礦石高光譜圖像分類方法，其特征在于：所述計算像元比例，并將計算所得的像元比例整合作為比例特征包括

7.根據(jù)權(quán)利要求1所述的基于差分特征的不同品位鐵礦石高光譜圖像分類方法，其特征在于：所述步驟s3對鐵礦石進行多等級分類包括根據(jù)平均光譜特征和比例特征，利用隨機森林分類器，將鐵礦石分為四個等級：tfe含量＜10％的鐵礦石被標記為ⅳ類，表示tfe含量非常低；10％≤tfe含量＜48％的鐵礦石被標記為ⅲ類，表示較低的tfe含量；48％≤tfe含量＜64％的鐵礦石被標記為ⅱ類，表示較高的tfe含量；tfe含量≥64％的鐵礦石被標記為i類，表示tfe含量很高。

技術(shù)總結(jié)
本發(fā)明涉及金屬冶煉技術(shù)領域，具體涉及到一種基于差分特征的不同品位鐵礦石高光譜圖像分類方法。本申請的基于差分特征的不同品位鐵礦石高光譜圖像分類方法，通過S1、預處理：采集鐵礦石高光譜圖像，并進行預處理；S2、特征提?。韩@取鐵礦石的高光譜波段，并提取平均光譜特征和比例特征；S3、分類：將步驟S2獲得的平均光譜特征和比例特征組合作為隨機森林分類器的輸入特征，對鐵礦石進行多等級分類，能夠?qū)崿F(xiàn)在有礦塵、有水附著的條件下對不同品位的鐵礦石合理分類，幫助完成鐵礦石生產(chǎn)過程中的對于每塊鐵礦石的高精度分選。

技術(shù)研發(fā)人員：蔣金豹,李康寧,聶鋮
受保護的技術(shù)使用者：中國礦業(yè)大學（北京）
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2